1、基于LMS算法自適應濾波器的Matlab仿真分析1摘要：利用Matlab：（1）給出X（n）的圖形（2）分別給出W(0)=0,0,u=0.1及W(0)=4,-10,u=0.05時， a、LMS算法的權值隨時間n變換的軌跡：W1(n)n；W2(n)n b、誤差e(n)隨時間變化的關系曲線：e(n)n點擊此處閱讀全文自適應橫向濾波器有2個權值，輸入隨機信號v（n），樣本間相互獨立，一般用高斯白噪聲代替，且功率為0.02，即E(r(n)2)=0.02，信號周期N16個樣點，試利用Matlab：（1）給出X（n）的圖形（2）編程，分別給出W(0)=0,0,u=0.1及W(0)=4,-10,u=0.05

2、時， a、LMS算法的權值隨時間n變換的軌跡：W1(n)n；W2(n)n b、誤差e(n)隨時間變化的關系曲線：e(n)n源程序：%Author：Jeffrey%My blog: /gueter/%當W(0)=0,0,u=0.1時候，把w1和w2以及u的值替換%DATE: 2007年03月31日 星期六 15時45分49秒 %Eviroment :kernel:2.6.15-28-686% Matlab6.5clear;close all;tic;w1=4*ones(1,1024); %w1=zeros(1,1024);w2=(-10)*ones(1,10

3、24); %w2=zeros(1,1024);u=0.05; %u=0.1;for n=2:1024 xn=sin(2*pi*n/16)+0.02*randn(1,1024); x1(n)=w1(n)*xn(n)+w2(n)*xn(n-1); e(n)=xn(n)-x1(n); w1(n+1)=w1(n)+2*u*e(n)*xn(n); w2(n+1)=w2(n)+2*u*e(n)*xn(n-1); endfigure(1)subplot(1,3,1);plot(xn);subplot(1,3,2);plot(w1,r)hold onplot(w2,k)hold offsubplot(1,3,

4、3)plot(e)toc基于LMS算法自適應濾波器的Matlab仿真分析2摘要：利用Matlab實現(xiàn)：（1）給出單次運算和200次運算的LMS算法學習曲線（2）給出單次運算和200次運算的權值隨n變換曲線點擊此處閱讀全文Author :JeffreySignal&Information Proccessingof GUETMy Email： QQ:My Blog：/gueter/ Time for this paper：2007年03月31日 星期六 15時45分49秒白噪聲經(jīng)過AR模型的輸出作為LMS濾波器的輸入，已知：a

5、1=1.558；a2=-0.81；白噪聲方差為1.0，均值為0；u0.002；利用Matlab實現(xiàn)：（1）給出單次運算和200次運算的LMS算法學習曲線（2）給出單次運算和200次運算的權值隨n變換曲線源程序：%Author：Jeffrey%My blog: /gueter/%DATE: 2007年03月31日 星期六 15時45分49秒 %Eviroment :kernel:2.6.15-28-686% Matlab6.5clear allcleartic;a1=1.558;a2=-0.81;b=1;e2=zeros(201,2048);w11=zero

6、s(201,2048);w21=zeros(201,2048);u=zeros(201,2048);for k=1:200 v=randn(1,2048); w1=zeros(1,2049); w2=zeros(1,2049); k1=0.002; for n=3:2048 u(n)=v(n)+a1*u(n-1)+a2*u(n-2); y(n)=w1(n)*u(n-1)+w2(n)*u(n-2); e(n)=u(n)-y(n); e1(n)=e(n)*e(n); w1(n+1)=w1(n)+2*k1*e(n)*u(n-1); w2(n+1)=w2(n)+2*k1*e(n)*u(n-2); end; e2(k+1,:)=e1(1:2048)+e2(k,:); w11(k+1,:)=w1(1:2048)+w11(k,:); w21(k+1,:)=w2(1:2048)+w21(k,:);end;e3=e2(201,:)/200;w13=w11(201,:)/200;w22=w21(201,:)/200; figure(1)subplot(1,2,1)plot(e1,r)hold